پهنه بندی اسیدیته و هدایت الکتریکی آب‌های زیرزمینی با استفاده از روش های زمین آمار (مطالعه موردی: دشت سمیرم، استان اصفهان)

Subject Areas : Irrigation and Drainage

سیاوش طائی سمیرمی ¹ (گروه مهندسی آبخیزداری، دانشگاه تربیت مدرس، تهران، ایران.)
حمیدرضا مرادی ² (گروه مهندسی آبخیزداری، دانشگاه تربیت مدرس، تهران، ایران.)
مرتضی خداقلی ³ (مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان، ایران.)
وحید کریمیان ⁴ (گروه مرتع داری، دانشگاه گرگان، ایران.)

Received: 2012-09-04 Accepted : 2012-11-17 Published : 2012-12-21

Keywords:

Abstract :

مطالعات و بررسی­های فراوانی در مورد کیفیت آب­های زیرزمینی و پیشگیری از آلودگی این منابع در اکثر کشور‏ها به عمل آمده است که نشان دهنده حائز اهمیت بودن آن می­باشد. کیفیت آب­های زیرزمینی دارای مقیاس مکانی و زمانی بوده و نمی­توان آن را در طول زمان و مکان ثابت فرض کرد. لذا تحقیق حاضر روش­های درون­یابی برای برآورد اسیدیته و هدایت الکتریکی آب­های زیرزمینی دشت سمیرم واقع در استان اصفهان با استفاده از آمار 386 چشمه در سال آبی 85- 84 بررسی می­کند. از آنجا که آمار کلاسیک قادر به در نظر گرفتن توزیع مکانی پارامتر­های کیفیت آب­های زیرزمینی نیست، از روش­های زمین آمار مانند کریجینگ معمولی، کریجینگ ساده، کریجینگ گسسته، روش عکس فاصله، روش تابع شعاعی با نرم افزارهای  GS+و سامانه اطلاعات جغرافیایی به عنوان تکنیکی برای این هدف استفاده گردید. برای بررسی خطای درون­یابی از تکنیک اعتبارسنجی حذفی و جهت مقایسه آماری مدل، از ریشه دوم میانگین مربعات خطا و میانگین خطای مطلق استفاده شد. نتایج نشان داد که واریوگرام مدل کروی به عنوان بهترین مدل برازش شده به ساختار فضایی داده ­های هدایت الکتریکی و اسیدیته می­باشد. همچنین روش عکس فاصله با توان 1 (041/0 MAE= و 065/0 = (RMSEو روش تابع شعاعی (27/2 MAE= و 57/3 = (RMSE به دلیل داشتن RMSE ، MAE پایین­تر و دقت آماری بالاتر، به ترتیب پراکنش مناسب­تری از اسیدیته و هدایت الکتریکی آب­های زیرزمینی نشان می­دهد. در نهایت نقشه­های پهنه بندی هدایت الکتریکی و اسیدیته دشت سمیرم در محیط GIS ترسیم شد. نتایج به­دست آمده از نقشه­ها حاکی از کاهش هر دو متغیر از شرق دشت سمیرم به طرف غرب می­باشد.

References:

اربطانی، و.، احمدی، ع.و فاتحی، م،م. (1388). مدل سازی تغییرات مکانی برخی از ویژگی های شیمیایی آب های زیرزمینی به کمک روش های زمین آماری. مجله علوم و مهندسی آبخیزداری ایران،3(7)،ص23-34.

اوسطی، خ.، سلاجقه، ع.و آرخی، ص. (1390). تغییرات مکانی میزان نیترات در آب زیرزمینی با استفاده از زمین آمار (مطالعه موردی: دشت کردان). مرتع و آبخیزداری، 65(4)،ص461-472.‎

 حسنی پاک، ع.ا. (1389). زمین آمار (ژئواستاتیک)، چاپ اول، انتشارات دانشگاه تهران، ص314.

شعبانی، م. (1387). ارسنجان تعیین مناسب ترین روش زمین آمار در تهیه نقشه تغییراتph  و TDS آبهای زیرزمینی (مطالعه موردی: دشت ارسنجان). مجله مهندسی آب.1 (3): ص47-57.

شیخ گودرزی، م.، موسوی، س،م.، خراسانی، ن.( 1391).شبیه سازی تغییرات مکانی در ویژگی های کیفی آب های زیرزمینی با روش های زمین آمار (مطالعه موردی :دشت تهران – کرج). 65 (1) ، ص.83-93.

دلبری،م.، خیاط خلقی، م.و مهدیان. م،ح.( 1382). ارزیابی روشهای زمین آمار در برآورد هدایت الکتریکی خاک در مناطق شیب آب و پشت آب پایین دشت سیستان. مجله علوم کشاورزی ایران. 35(1)،ص 1-12.

یگانه، ح.، خواجه الدین،س.ج.و سفیانیان، ع. (1387). بررسی قابلیت شاخص های طیفی سنجنده (MODIS) در برآورد تولید گیاهی مراتع سمیرم. مجله علمی پژوهشی مرتع. 2(1)،ص 36-77.

Abdideh, M. and Ghasemi, A. (2014). A Comparison of Various Statistical and Geostatistical Methods in Estimating the Geomechanical Properties of Reservoir Rocks. Petroleum Science and Technology, 32(9),pp: 1058-1064.

Aronoff, S. (1989). Geographic Information System, Management Perspective, WDL publication, ttawa. Canada.

Barcae, E., Passarella, G. (2008). Spatial evaluation of the risk of groundwater quality degradation: A comparison between disjunctive kriging and geostatistical simulation, Journal of Environmental monitoring and Assessment,133, pp:261-273.

Berndt, C., Rabiei, E. and Haberlandt, U. (2014). Geostatistical merging of rain gauge and radar data for high temporal resolutions and various station density scenarios. Journal of Hydrology, 508, pp: 88-101

Fetouani, S., Sbaa, M., Vanclooster, M. and Bendra, B. (2008). Assessing Groundwater Quality in the irrigated plain of triffa (north-east Morocco). Journal of Agricultural Water Management, 95, pp: 133-142.

Flipo, N., Jeanee, N., Poulin, M., Even, S. and Ledoux, E. (2007). Assessment of nitrate pollution in the Grand Morin aquifers (France): combined use of geostatistical and physically based modeling. Enviromental Pollution, 146, pp: 241-256.

Franke, R. (1982). Scattered data interpolation: test of some methods. Mathematic of Computations, 33, pp: 181-200.

Habibi arbatani, V. Ahmadi, A.and Fatahi, M. (2009). spatial changes modeling of groundwater chemical traits using geostatistical methods. Iran-Watershed Management Science & Engineering, Vol.3(7), pp: 23-34. (In Persian)

Haji hashemi, M. Atashgahi, M.and Hmiddian, A. (2011). Spatial estimation of groundwater quality factors usinggeostatistical methods(case study: Golpayegan plain), Journal of Natural Environmental, Iranian Journal of Natural Resources, Vol. 63,  pp: 347-357. (In Persian)

Hooshmand. A., Delghandi, M., Izadi, A. and Ahmad, K .(2011). Application Kriging and cokriging in spatial estimation of groundwater quality parameters, African Journal of  Agricultural Research. 6 (14), pp: 3402 – 3408.

Jager, N. (1990). Hydrogeology and Groundwater Simulation. Lewis Publishers.

Laaha, G., Skøien, J. O. and  Blöschl, G. (2014). Spatial prediction on river networks: comparison of top‐kriging with regional regression. Hydrological Processes, 28(2), 315-324.

Lu, G., David, Y. and Wong, W. (2008). An adaptive inverse-distance weighting spatial interpolation technique Computers and Geosciences, 34, pp: 1044-1055.

Maroufi, S., toranjian, A. and Zare abiyane, H. (2009). Evaluation of geostatistical methods for estimating electrical conductivity and pH of stream drained water in Hamedan-Bahar Plain, Journal of Water and Soil Conservation, Vol. 16(2), pp: 169-187.

Mohamadi, J. (2005). pedometery (spatial statistics), Vol. 2, pelk pub.pp:453-449.

Sahebjalal, E. (2012). Application of Geostatistical Analysis for Evaluating Variation in GroundwaterCharacteristics. Word applied Sciences, 18(1), pp: 135-141.

Sun, Y., Shaozhong, F. and Zhang, L (2009). Comparison of interpolation methods for depth to Groundwater and its temporal and spatial variation in the Minqin oasis of northwest China. Enviromental Modelling and Software, 24, pp: 1163-1170.

Taghizadeh mehrjardi, R., Zarein Jahromi, M., Mahmodi, Sh. and Heidari, A. (2008). Spatial distribution of groundwater quality with Geostatistics (Case Study: Yazd-Ardakan Plain), World Applied Sciences Journal 4(1), pp: 9-17.

Wang, S., Huang, G. H., Lin, Q. G., Zhang, H.and Fan, Y. R. (2014). Comparison of interpolation methods for estimating spatial distribution of precipitation in Ontario, Canada. International Journal of Climatology.pp:654-659.